Характеристики

Контекст: 512 токенов
Параметры: 48,2 млн
Архитектура: bert · dense
Библиотека: transformers
Опубликована: 27 июн 2024

Ссылки

Hugging Face

bert-medium-amharic-finetuned-sentiment

rasyosef

Классификация текстаТекст → label3 профессии

Модель классифицирует тональность текстов на амхарском языке.

2 547скачиваний за 30 дней0лайковвеса обновлены27 июн 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это модель классификации тональности текста на амхарском языке, разработанная на основе bert-medium-amharic и дообученная на наборе данных rasyosef/amharic-sentiment. Она построена на архитектуре BERT и содержит 48,2 млн параметров; максимальная длина контекста составляет 512 токенов.

Модель предназначена для определения тональности амхарских текстов, например коротких отзывов или сообщений. В README приведены результаты на оценочной выборке: accuracy 0,83, precision 0,84, recall 0,83 и F1 0,83. Для запуска используется библиотека Transformers и задача text-classification. Лицензия в предоставленных данных не указана.

Сценарии применения

определение тональности амхарских отзывов
анализ эмоциональной окраски амхарских сообщений
сортировка амхарских текстов по тональности
оценка тональности пользовательских комментариев на амхарском

Ограничения

На оценочной выборке F1 составляет 0,83, поэтому классификация может ошибаться. Длина контекста ограничена 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a fine-tuned version of bert-medium-amharic on the amharic-sentiment dataset for sentiment classification. It achieves the following results on the evaluation set:

Accuracy: 0.83
Precision: 0.84
Recall: 0.83
F1: 0.83

How to use

You can use this model directly with a pipeline for text classification:

>>> from transformers import pipeline
>>> bert_sentiment = pipeline("text-classification", model="rasyosef/bert-medium-amharic-finetuned-sentiment")
>>> bert_sentiment(["አሪፍ ፊልም ነው።", "ዩክሬን እና ሩስያ ከባድ ውግያ ላይ ናቸው።"])

[{'label': 'positive', 'score': 0.9863048791885376},
 {'label': 'negative', 'score': 0.9570127129554749}]

Code

https://github.com/rasyosef/amharic-sentiment-classification

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: de48092